MétaCan
Menu
Retour à la cohorte
Enregistrement W2093980551 · doi:10.2308/accr-10164

Compensation Committees' Treatment of Earnings Components in CEOs' Terminal Years

2011· article· en· W2093980551 sur OpenAlexaff
Mark R. Huson, Yao Tian, Christine I. Wiedman, Heather A. Wier

Notice bibliographique

RevueThe Accounting Review · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAuditing, Earnings Management, Governance
Établissements canadiensUniversity of WaterlooUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésEarningsCompensation (psychology)IncentiveTerminal (telecommunication)BusinessAccrualExecutive compensationCashAccountingCash flowDemographic economicsLabour economicsActuarial scienceFinanceEconomicsMicroeconomicsPsychologyEngineering

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Compensation committees face special difficulties when setting pay in the last years of a CEO's tenure. For example, incentives to manipulate earnings for the purpose of enhancing earnings-based compensation are greater in CEOs' terminal years. We predict that compensation committees are aware of these incentives and adjust the relative weights placed on earnings components in the cash compensation function to mitigate the problem. Consistent with our prediction, we find that in CEOs' terminal years, positive changes in discretionary accruals receive significantly less weight than other income components in determining cash compensation. This provides new evidence that not all gains flow through to compensation. We also find that in non-terminal years, managers' compensation is partially shielded from the negative effects of selling, general, and administrative expenditures (SG&A), but this effect reverses in the terminal period, consistent with the compensation committee discouraging investment in legacy assets by outgoing CEOs. Overall, our findings suggest that compensation committees treat components of earnings differently when setting pay in the terminal period. JEL Classifications: M41; J33.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,042
Tête enseignante GPT0,241
Écart entre enseignants0,199 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Accounting ReviewMême sujetAuditing, Earnings Management, GovernanceTravaux en français237 207